目 录 1
1概述 1
1.1问题的提出 1
1.2大功率汽车发动机故障智能诊断的意义 3
1.3文献综述 4
1.3.1 设备诊断技术的发展概述 4
1.3.2 诊断专家系统的知识组织模型研究 6
1.3.3 基于知识的系统中的诊断推理研究 9
1.3.4 人工神经网络的发展 10
1.3.5 汽车诊断技术的发展简史 11
1.3.6 国外现代汽车诊断技术的发展概况 12
1.3.7 国内汽车发动机诊断技术的研究 14
2 汽车发动机故障智能诊断的基础 17
2.1 诊断系统的智能 18
2.2 智能诊断问题的一般概念 20
2.3 大功率汽车发动机故障的分类 23
2.4 大功率汽车发动机故障的主要性质 24
2.5 大功率汽车发动机故障诊断凭据选择 25
2.6 大功率汽车发动机故障智能诊断的根本任务和过程 25
2.7 小结 26
3智能诊断系统内核研究 28
3.1 概述 28
3.2 BP神经网络模型的基本原理与结构 29
3.3 基于BP模型的双向推理研究 36
3.3.1 双向推理实现与样本模式 36
3.3.2 神经网络的模糊推理试验研究 38
3.4 基于BP模型的学习策略及学习特性研究 40
3.4.1 BP神经网络的学习策略与学习计算 40
量指数 40
3.4.2 学习策略的实验研究 42
3.5 小结 45
4诊断系统知识组织模型研究 47
4.1大功率汽车发动机故障诊断知识 47
4.2 诊断知识的层次组织模型 50
4.3 诊断知识的并行组织模型 51
4.4 知识库免疫研究初步 52
4.5 大功率汽车发动机故障诊断知识获取策略 56
4.6 智能诊断系统知识库维护策略 58
4.7 学习样本的智能预处理 60
4.8 小结 62
5 诊断模型 64
5.1 诊断问题的形成 65
5.2.1 基于知识层次组织模型的同时性 68
诊断模型 68
5.2 多故障同时性诊断模型 68
5.2.2基于并行知识组织模型的同时性 70
诊断推理 70
5.3 多故障序贯性诊断模型 73
5.4 小结 77
6故障诊断系统开发工具——DSANN的研制 78
6.1 DSANN的结构和功能 79
6.2系统中的一些细节问题 81
6.2.1 知识库管理与维护 81
6.2.2推理与推理解释 82
6.3DSANN的一些特性 84
6.4DSANN的求解实例 85
6.5小结 89
7结束语 90
参考文献 94